几款软件构建生物进化树的方法比较.pdfVIP

几款软件构建生物进化树的方法比较.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
生物进化树的构建 目 录 前言 2 一、 NCBI 6 二、 Mega8 三、 DNAMAN12 四、DNAStar16 五、 Bio edit19 前言 1.背景资料 进化树 (evolutionary tree)又名系统树 (phylogenetie tree)进化树,用来表示物种间亲缘关系远近的 树状结构图。在进化树中,各个分类单元(物种)依据进化关系的远近,被安放在树状图表上的不 同位置。所以,进化树简单地表示生物的进化历程和亲缘关系。已发展成为多学科 (包括生命科学中 的进化论、遗传学、分类学、分子生物学、生物化学、生物物理学和生态学 ,又包括数学中的概率统 计、图论、计算机科学和群论 )交叉形成的一个边缘领域。 归纳总结生物进化的总趋势有以下几类: ① 结构上:由简单到复杂 ② 生活环境上:由水生到陆生 ③ 进化水平上:由低等到高等 一般来说,进化树是一个二叉树。它由很多的分支和节点构成。根据位置的不同,进化树的节 点分为外部节点和内部节点,外部节点就是我们要进行分类的分类单元(物种)。而物种之间的进 化关系则用节点之间的连线表示。内部节点表示进化事件发生的地方,或表示分类单元进化的祖先。 在同一个进化树中,分类单元的选择应当标准一致。进化树上不同节点之间的连线称为分支,其中 有一端与叶子节点相连的分支称为外枝,不与叶子节点相连的分支称为内枝。 进化树一般有两种:有根树和无根树。有根树有一个鲜明的特征,那就是它有一个唯一的根节 点。这个根节点可以理解为所有其他节点的共同祖先。所以,有根树能可以准确地反映各个物种的 进化顺序,从根节点进化到任何其他节点只有能有一条惟一的路径。无根树则不能直接给出根节点, 无根树只反映各个不同节点之间的进化关系的远近,没有物种如何进化的过程。但是,我们可以在 无根树种指派根节点,从而找出各个物种的进化路径。 无根树 有根树 放射树 分子进化树 (以分子数据为依据构建的进化树 )不仅精确地反映物种间或群体间在进化过程中发 生的极微细的遗传变异 (小至一个氨基酸或一个核昔酸差异 ),而且借助化石提供的大分子类群的分化 年代能定量地估计出物种间或群体间的分化年代,这对进化论的研究而言无疑是一场革命。 序列比较是生物信息学中最频繁也是最有价值的工作。要知道一个序列 (结构 )与另一个序列 (结 构 )或者与一批序列 (结构)之间的差异, 唯一的途径就是序列 (结构 )的比较分析。 序列水平上的比较反 映的是字符串之间的差异,能够发现碱基序列或者氨基酸序列的保守模式。但是,在分子生物学中, 比较是多方面的,除了核酸或蛋白质序列的比较,也可以是结构的比较等。事实上,相差很大的序 列可以形成具有相同功能的分子。而结构水平上的比较更能反映功能上的差异,能够发现与功能紧 密相关的结构域。结构比较方面的工作都是围绕蛋白质及 RNA 展开的。 构建进化树的方法包括两种:一类是序列类似性比较,主要是基于氨基酸相对突变率矩阵(常 用 PAM250)计算不同序列差异性积分作为它们的差异性量度 (序列进化树);另一类在难以通过序 列比较构建序列进化树的情况下,通过蛋白质结构比较包括刚体结构叠合和多结构特征比较等方法 建立结构进化树。 三种主要的建树方法分别是 距离法 (distance method)、最大节约法( maximum parsimony, MP ) 和最大似然法( maximum likelihood ,ML )。

文档评论(0)

***** + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档